辛烷值预测为例
clear all
clc
%% II. 训练集/测试集产生
%%
% 1. 导入数据
load NIR.mat%指标数据
load octane.mat%结果数据,相当于函数中的y
load new_x.mat%新的数据进行验证
%%
% 2. 随机产生训练集和测试集
temp = randperm(size(NIR,1)); %打乱50个样本排序
% 训练集——40个样本
P_train = NIR(temp(1:40),:)';
T_train = octane(temp(1:40),: )';
% 测试集——10个样本
P_test = NIR(temp(41:end),:)';
T_test = octane(temp(41:end),:)';
N = size(P_test,2);
%% III. 数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);
[t_train, ps_output] = mapminmax(T_train,0,1);
%% IV. BP神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newff(p_train,t_train,9); %9是隐含层神经元的个数(大家改改测试下结果影响)
%%
% 2. 设置训练参数
net.trainParam.epochs = 1000; %迭代次数
net.trainParam.goal = 1